본 연구는 의료서비스 최적화 방법론에 따라 병원 외래고객 만족도 조사를 설계하여 분석하였다. 설문조사 항목은 병원 외래의 서비스 청사진을 작성한 후 이를 기반으로 설계하였으며, 설문조사는 고객(외래환자 1,677명) 및 직원(909명)의 시각을 모두 반영할 수 있도록 현장실사 방법에 따라서 시행하였다1). 분석방법은 기술통계, 분산분석 및 최적의 개선대안을 선정하는데 도움이 되도록 대화식 의사결정나무 기법을 활용하였다. 직원의 외래서비스 전체만족도 점수는 71.4점이였으며 환자의 외래서비스 전체만족도 점수는 83.3점으로 환자의 만족도가 더 높게 나타났다. 고객의 외래서비스 만족도에 가장 낮은 부분은 이용절차로 나타났고, 전체만족도를 상승시키기 위한 개선방안으로 진료만족, 재이용, 추천의사에 있어 이용절차의 개선을 제시하였을 때 만족도는 상승하는 것으로 나타났다. 연구 결과 의료서비스 최적화 방법을 활용하여 의료기관별 맞춤형 설문도구 개발이 가능하였고, 고객과 직원의 서비스 갭을 확인하였으며, 직원의 직급, 직종에 따른 만족도 차이를 확인하였다. 또한 의료기관의 개선전략을 수립함에 있어 대화식 의사결정나무 기법을 이용하여 실무자의 의견을 반영한 대안을 개발할 수 있음을 확인하였다. 본 연구를 통하여 의료서비스 최적화 방법을 병원 고객만족도 평가에 도입하는 것이 유용하다고 평가되며 향후 고객만족도 이외에도 다양한 의료서비스 분야에 확대 적용하는 노력이 필요하다.;This study designed and analyzed a outpatient satisfaction survey based on service optimization method. The items of the survey were designed based on a outpatient service blueprint. The survey was conducted of 1,677 outpatients and 909 hospital workers using walk through audit (WtA) method. Descriptive analysis, ANOVA, and interactive decision tree were used for analysis, especially interactive decision tree was analyzed for selecting the optimum solution of improving outpatients' satisfaction. Overall score for staff and outpatient was 74.1 and 83.3 respectively. The lowest score in the sector of outpatient service was the process of service. For improving overall score of outpatient satisfaction, the process of outpatient service should be improved for the aspects of revisit and recommendation intention. We could confirmed the usefulness of the service optimization method for designing the customized survey tools, detecting the gap between staff and outpatient, differences of job type and job position, and developing alternatives to improve patient satisfaction based on staff opinion using interactive decision tree. Through this study, we concluded that it is useful to apply the service optimization method to the hospital customer satisfaction assessment. It is necessary to expand further research into various field not only patient satisfaction study.
본 연구에서는 질병관리본부에서 수집한 2009년 심정지 조사 자료 및 지역사회건강 조사 자료에 생태학적 방법론 및 지리적 가중회귀모형(GWR)을 적용하여 지역단위의 심정지 발생 위험요인을 규명함은 물론, 지역별 심정지 예방관리 사업에 GWR 모형 적용의 유용성도 함께 검토하고자 하였다. 그 결과, 지역별 심정지 발생의 주요 요인으로 중등도 신체활동 실천율, 비만율, 고혈압 평생 의사 진단 경험률 및 당뇨병 평생의사 진단 경험률이 도출되었고, 지역별로 일부 차이가 존재하나 대체로 이들이 높을수록 심정지 발생률이 높게 나타났다. 모형개발에 사용된 자료의 한계로 인해 본 연구에서 도출된 GWR 모형의 설명력은 낮으나, 모형 부합도를 비교한 결과 전통적인 OLS 모형보다는 우수한 모형인 것으로 나타났다. 개인별 자료 확보 대비 지역사회 단위 자료확보의 용이성 및 GWR 모형이 가지는 특성 등을 고려해볼 때, 향후 이와 관련된 후속연구가 지속적으로 진행된다면 각 지역별 심정지 발생 예방관리를 위한 우선 사업 순위선정에 본 연구에서 접근한 방법이 매우 유용할 것으로 판단된다.;This study sought to use the ecological study design and geographically weighted regression(GWR) to identify regional factors regarding the occurrence of cardiac arrest and to investigate the utility of GWR. Our data came from two main sources: 2009 Out-of-Hospital Cardiac Arrest Surveillance and Community Health Survey. As the result, risk factors on cardiac arrest are moderate-intensity physical activity, obesity rate, diagnosis rates of hypertension and diabetes mellitus which generally increase incidences of cardiac arrest. Our finding showed that GWR increased goodness-of-fit of model in comparison with traditional OLS regression. Considering the usefulness of ecological studies and GWR, methods of this study will help policymakers in terms of planning health programs and identifying priority regions for prevention of cardiac arrest.
본 연구는 당뇨병 유병률의 지역 간 변이 요인을 규명하여 지역별 특성에 맞는 당뇨병 관리 사업을 지원하기 위한 기초자료를 제공하기 위해 수행되었다. 이를 위해 질병관리 본부의 2011년도 시군구 지역사회건강조사 230건 자료를 지역별 사회경제학 지표 등과 연계하여 생태학적 연구를 위한 자료를 구축한 후 단계적 회귀분석, 의사결정나무 등의 기법으로 분석하였다. 단계적 회귀분석 결과 인지된 고혈압 유병률과 경제활동 비율이 높고, 비만율이 낮을수록 당뇨병 유병률이 높아지는 것으로 나타났다. 지역 간에 상이한 변이 요인을 보다 구체적으로 알아보고자 의사결정나무 모형을 이용하여 지역 간 변이 요인을 규명한 결과 인지된 고혈압 유병률, 비만율, 고위험 음주율, 유배우자 비율, 인구밀도 등이 당뇨병 유병률의 주요 변이 요인으로 나타났다. 당뇨병 유병률의 지역 간변이 요인은 세부 지역별로 다양한 양상으로 나타났는데, 본 연구 결과는 지역별 맞춤형 당뇨병 관리 사업 계획을 수립하는데 기초자료로 활용될 수 있겠다.;We investigate how the regional prevalence of diabetes is affected by health-related and socioeconomic factors with a special emphasis on geographic variations. We focus on the likelihood of diabetes as function of various region-specific attributes. We construct a unique set of data at the level of 230 small administrative district collected from 2011 Annual Community Health Survey by Korea Centers for Disease Control and Prevention and other government agencies. To estimate, we use several methods including correlation analysis, multiple regression and decision tree model. We find that diabetes prevalence is more likely to be associated with hypertension prevalence, obesity and economic activity rate. Further findings using decision tree model suggest that hypertension prevalence, obesity, the rate of drinking and the density of population are more likely to affect the prevalence of diabetes than other regional attributes considered. More importantly, we find significant geographic variations in factors affecting diabetes prevalence across administrative districts. This topic are not just of academic interest, but have practical implications by helping policy makers to understand and identify important regional factors relating to the prevalence of diabetes by which they can implement more effective planning for promotion of health.
This study aims to develop a severity-adjusted length of stay predictive model according to comorbidity index by using machine learning and propose a algorithm of severity-adjusted length of stay (LOS) predictive model. The dataset was taken from Korea Centers for Disease Control and Prevention database of the hospital discharge survey from 2006 to 2015 and the severity-adjusted length of stay predictive model was developed for the nervous system patients to need a urgent management for length of stay. when it comes to the severity-adjusted length of stay predictive model about nervous system discharging patients, three tools were used for the severity-adjustment of comorbidity: the CCI, the ECI, and the CCS. The models using Regression, Decision Tree, Random Forest, Support Vector Regression, Neural Network as a Machine learning analysis methods were developed and then evaluate. As a result, Severity-adjusted predictive model using CCS as the severity-adjustment of comorbidity and Neural Network method has the highest R-square and has the most excellent prediction capability. In conclusion, there is a need to develop a severity-adjusted predictive model using CCS as the severity-adjustment of comorbidity and make use of severity-adjusted predictive model to has high prediction capability by using various machine-learning analytics.
본 연구는 머신러닝을 이용하여 동반상병 보정 방법에 따른 중증도 보정 재원일수 예측 모형을 개발하고 이를 평가하여 중증도 보정 재원일수 예측 모형 개발의 알고리즘을 제시하기 위해 수행되었다. 본 연구를 위해 2006년부터 2015년까지 10년간의 질병관리본부 퇴원손상심층조사 자료를 수집하였으며, 재원일수 관리가 시급한 신경계통의 질환을 대상으로 중증도 보정 재원일수 예측 모형을 개발하였다. 신경계통의 질환 퇴원환자의 중증도 보정 재원일수 예측 모형 개발 시 동반상병 보정 방법은 CCI, ECI, CCS 진단군 분류 기준 등 3가지, 머신러닝 분석기법으로는 회귀분석, 의사결정나무, 랜덤 포레스트, 서포트 백터 회귀분석, 신경망 등 5가지를 적용하여 모형을 개발하고 개발된 모형을 평가하였다. 모형 평가 결과 CCS 진단군 분류 기준 동반상병 보정 방법 및 신경망을 이용하여 개발한 중증도 보정 예측 모형의 모형 설명력(R-square)이 가장 높았으며, 모형의 예측력이 가장 우수한 것으로 나타났다. 따라서 중증도 보정 재원일수 예측 모형 개발 시 CCS 진단군 분류 변수를 이용한 동반상병 보정 방법을 이용하여 중증도 보정 예측 모형을 개발하는 것이 필요하며, 머신러닝의 다양한 분석 기법 등을 이용하여 예측력 높은 중증도 보정 예측 모형을 개발하여 재원일수 변이요인 파악 등 재원일수 관리를 위해 활용하는 것이 필요하다.
본 연구는 목의 손상 입원환자의 재원일수에 대한 중증도 보정 모형을 개발하고, 중증도 보정 재원일수 변이요인을 파악하여 국가 및 의료기관 차원에서의 재원일수 절감 방안을 제시하고자 하였다. 이를 위해 질병관리본부의 2004~2009년 퇴원손상심층조사 자료를 수집하였으며, 목의 손상 입원환자 14,096명을 추출하여 연구대상자로 하였다. 데이터마이닝 기법에 따라 목의 손상 입원환자의 중증도 보정 재원일수 모형을 개발하였다. 의사결정나무 모형을 이용하여 목의 손상 입원환자의 중증도 보정 재원일수 모형을 개발한 결과 목의 손상 입원환자의 재원일수에 영향을 미치는 요인에는 수술유무, 성, 연령, 입원경로, 손상기전, 척추증 및 추간판 장애 동반 유무, 척추 손상 유무, 두개골 및 얼굴 골절, 기타 골절, 염좌 및 긴장 등이 있었으며, 개발된 목의 손상 입원환자 중증도 보정 재원일수 모형에 따라 의료보장방식별 재원일수 변이요인을 파악한 결과 산재보험 입원환자의 경우 예측 재원일수(17.62일) 보다 실제 재원일수(42.57일)가 높게 나타났으며, 의료급여 입원환자 또한 예측 재원일수(11.84일)보다 실제 재원일수(22.11일)가 높은 것으로 조사되었다. 따라서 목의 손상 입원환자의 재원일수 관리를 위해서는 국가차원에서는 산재보험 입원환자에 대한 심사체계의 정비가 우선시 되어야 하며, 의료급여 입원환자에 대한 과잉 의료이용실태에 대한 정책적 대안마련이 필요하다. 의료기관 차원에서는 객관적이고, 신뢰성 높은 재원일수 관리 지표 산출을 통해 재원일수 관리에 지속적인 노력을 기울여야 한다.;This study aims to identify contributing factors to Severity-Adjusted LOS (Length of Stay) variation of patients damaged to neck in order to suggest ways of reducing the LOS at the national level and the medical institution level. 14,096 inpatients with neck injury were selected as the study population from the 2004-2009 Korean National Hospital Discharge in-depth Injury Survey Data. We developed a Severity-Adjusted LOS Model for neck injuries using data-mining methods. This study discovered that operation Y/N, sex, age, admission route, injury mechanism, comorbidities Y/N (spondylosis & intervertebral disc disorders, Spinal cord injury, Skull & facial fractures, Other fractures, sprains and strains etc.) were factors affecting LOS for patients hospitalized with neck injury. According to the results of the impact of the health-insurance type on severity-adjusted LOS, the real LOS was significantly higher than adjusted LOS for patients with the industrial accident compensation insurance or medical aid program. Therefore, in order to manage LOS of inpatients with neck injury, the government should improve the industrial accident compensation insurance review & assessment service and suggest alternatives on medical aid recipients’ excessive medical utilization. Also, the hospitals should take account of objective and reliable LOS statistics to effectively manage hospital LOS.